AWK介绍

​ AWK 是一种处理文本文件的语言，是一个强大的文本处理引擎。基于模式匹配检查输入文本，逐行处理并输出。相比较屏幕处理的优点，在处理庞大文件时不会出现内存溢出或是处理缓慢的问题。

​ AWK 的名称来自于三位创始人 Alfred Aho，Peter Weinberger, 和 Brian Kernighan 的 Family Name 的首字符。

​ AWK语言是一种[AWK语言是一种数据驱动的 脚本语言，包含一组针对文本数据流采取的操作-直接在文件上运行或用作管道的一部分-用于提取或转换文本，例如生成格式化的文本报告。该语言广泛使用字符串 数据类型，关联数组（即由键字符串索引的数组）和正则表达式。尽管AWK具有有限的预期应用领域，并且专门设计用于支持单行程序，但该语言是图灵完备的。来自：wiki

​ AWK有很多版本，GNU AWK是使用最广泛的版本，一些Linux发行版将gawk作为其默认的AWK实现。

AWK工作原理

AWK 工作流程可分为三个部分：

  • 读输入文件之前执行的代码段（由BEGIN关键字标识）。
  • 主循环执行输入文件的代码段。
  • 读输入文件之后的代码段（由END关键字标识）。

命令结构:

1
awk 'BEGIN{ commands } pattern{ commands } END{ commands }'

下面的流程图描述出了 AWK 的工作流程：

img

  • 1、通过关键字 BEGIN 执行 BEGIN 块的内容，即 BEGIN 后花括号 {} 的内容。
  • 2、完成 BEGIN 块的执行，开始执行body块。
  • 3、读入有 \n 换行符分割的记录。
  • 4、将记录按指定的域分隔符划分域，填充域，$0 则表示所有域(即一行内容)，$1 表示第一个域，$n 表示第 n 个域。
  • 5、依次执行各 BODY 块，pattern 部分匹配该行内容成功后，才会执行 awk-commands 的内容。
  • 6、循环读取并执行各行直到文件结束，完成body块执行。
  • 7、开始 END 块执行，END 块可以输出最终结果。
  • BEGIN 和 END 都是关键字，必须大写，并且是可选的部分。

AWK语法

1
2
3
awk [选项参数] 'script' var=value file(s)
或
awk [选项参数] -f scriptfile var=value file(s)

选项参数说明：

  • -F fs or –field-separator fs
    指定输入文件折分隔符，fs是一个字符串或者是一个正则表达式，如-F:。
  • -v var=value or –asign var=value
    赋值一个用户定义变量。
  • -f scripfile or –file scriptfile
    从脚本文件中读取awk命令。
  • -C copyleft or –copyleft, -W copyright or –copyright
    打印简短的版权信息。
  • -h help or –help, -W usage or –usage
    打印全部awk选项和每个选项的简短说明。
  • -r re-interval or –re-inerval
    允许间隔正则表达式的使用，参考(grep中的Posix字符类)，如括号表达式[[:alpha:]]。
  • -e source program-text or –source program-text
    使用program-text作为源代码，可与-f命令混用。
  • -V version or –version
    打印bug报告信息的版本。

AWK基本用法

创建一个实例文件来说明：

1
2
3
4
5
ayqming@Kobayashi:~$ cat log.txt
2 this is a test
3 Are you like awk
This's a test
10 There are orange,apple,mongo
  1. 用法一：
1
awk '{[pattern] action}' {filenames}   # 行匹配语句 awk '' 只能用单引号

实例：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
# 每行按空格或TAB分割，输出文本中的1、4项
 $ awk '{print $1,$4}' log.txt
 ---------------------------------------------
 2 a
 3 like
 This's
 10 orange,apple,mongo
 
 # 格式化输出
 $ awk '{printf "%-8s %-10s\n",$1,$4}' log.txt
 ---------------------------------------------
 2        a
 3        like
 This's
 10       orange,apple,mongo

​ 2.用法二：

1
awk -F  #-F相当于内置变量FS, 指定分割字符

实例：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
# 使用","分割
 $  awk -F, '{print $1,$2}'   log.txt
 ---------------------------------------------
 2 this is a test
 3 Are you like awk
 This's a test
 10 There are orange apple
 
 # 或者使用内建变量
 $ awk 'BEGIN{FS=","} {print $1,$2}'     log.txt
 ---------------------------------------------
 2 this is a test
 3 Are you like awk
 This's a test
 10 There are orange apple
 
 # 使用多个分隔符.先使用空格分割，然后对分割结果再使用","分割
 $ awk -F '[ ,]'  '{print $1,$2,$5}'   log.txt
 ---------------------------------------------
 2 this test
 3 Are awk
 This's a
 10 There apple

​ 3.用法三：

1
awk -v  # 设置变量

实例：

1
2
3
4
5
6
7
8
9
10
11
12
13
 $ awk -v a=1 '{print $1,$1+a}' log.txt
 ---------------------------------------------
 2 3
 3 4
 This's 1
 10 11

$ awk -v a=1 -v b=s '{print $1,$1+a,$1b}' log.txt
 ---------------------------------------------
 2 3 2s
 3 4 3s
 This's 1 This'ss
 10 11 10s

​ 4.用法四：

1
awk -f {awk脚本} {文件名}

实例：

1
$ awk -f cal.awk log.txt

AWK内置变量

​ 以下是常用的一些内置变量，内置变量都为大写，可用于表达式，也可以被重置。在awk中，只有在引用$0、$1等内置变量的值的时候才会用到”$”,引用其他变量时，不管是内置变量，还是自定义变量，都不使用”$”,而是直接使用变量名。

FS：输入字段分隔符， 默认为空白字符

OFS：输出字段分隔符， 默认为空白字符

RS：输入记录分隔符(输入换行符)， 指定输入时的换行符

ORS：输出记录分隔符（输出换行符），输出时用指定符号代替换行符

NF：number of Field，当前行的字段的个数(即当前行被分割成了几列)，字段数量

NR：行号，当前处理的文本行的行号。

FNR：各文件分别计数的行号

FILENAME：当前文件名

ARGC：命令行参数的个数

ARGV：数组，保存的是命令行所给定的各参数

  • 例子1：
1
2
3
4
5
6
7
8
9
10
ayqming@Kobayashi:~$ awk '{print NR,NF,FNR,FILENAME,$0}' log.txt log1.text
# 第一列NR显示行号，第二列NF是当前字段数，第三列FNR是处理多个文件时单独记行号,第四列为输出文件名
1 5 1 log.txt 2 this is a test
2 5 2 log.txt 3 Are you like awk
3 3 3 log.txt This's a test
4 4 4 log.txt 10 There are orange,apple,mongo
5 5 1 log1.text 2 this is a test
6 5 2 log1.text 3 Are you like awk
7 3 3 log1.text This's a test
8 4 4 log1.text 10 There are orange,apple,mongo
  • 例子2：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
# 使用RS指定空格为输入换行符，原有回车的换行符会连续

ayqming@Kobayashi:~$ awk -v RS=" " '{print NR,$0}' log.txt
1 2
2 this
3 is
4 a
5 test
3
6 Are
7 you
8 like
9 awk
This's
10 a
11 test
10
12 There
13 are
14 orange,apple,mongo

#使用ORS指定//为输出换行符，输出时换行动作替换成输出//

ayqming@Kobayashi:~$ awk -v ORS="//" '{print NR,$0}' log.txt
1 2 this is a test//2 3 Are you like awk//3 This's a test//4 10 There are orange,apple,mongo//ayqming@Kobayashi:~$
  • 例子3：
1
2
3
4
#ARGV存放参数数组，ARGC统计参数数量

ayqming@Kobayashi:~$ awk 'BEGIN {print "aaa",ARGV[0],ARGV[1],ARGV[2],ARGC}' tmp1 tmp2
aaa awk tmp1 tmp2 3

AWK运算符

运算符 描述
= += -= = /= %= ^= *= 赋值
?: C条件表达式
|| 逻辑或
&& 逻辑与
~ 和 !~ 匹配正则表达式和不匹配正则表达式
< <= > >= != == 关系运算符
空格 连接
+ - 加，减
* / % 乘，除与求余
+ - ! 一元加，减和逻辑非
^ *** 求幂
++ – 增加或减少，作为前缀或后缀
$ 字段引用
in 数组成员
  • 例子：
1
2
3
4
#过滤第一列大于2并且第二列等于'Are'的行

ayqming@Kobayashi:~$ awk '$1>2 && $2=="Are" {print $1,$2,$3}' log.txt
3 Are you

使用正则，字符串匹配

1
2
3
4
# 输出第二列包含 "th"，并打印第二列与第四列
$ awk '$2 ~ /th/ {print $2,$4}' log.txt
---------------------------------------------
this a

~ 表示模式开始。// 中是模式。

1
2
3
4
5
# 输出包含 "re" 的行
$ awk '/re/ ' log.txt
---------------------------------------------
3 Are you like awk
10 There are orange,apple,mongo

忽略大小写

1
2
3
4
$ awk 'BEGIN{IGNORECASE=1} /this/' log.txt
---------------------------------------------
2 this is a test
This's a test

模式取反

1
2
3
4
5
6
7
8
9
10
$ awk '$2 !~ /th/ {print $2,$4}' log.txt
---------------------------------------------
Are like
a
There orange,apple,mongo
$ awk '!/th/ {print $2,$4}' log.txt
---------------------------------------------
Are like
a
There orange,apple,mongo